hadoop哪些组件可实现准实时数据处理，目前主流使用的是哪些？

storm sparksteaming flink 目前用的比较多的应该是sparkstreaming，但flink有后来者居上的形式。

通常实时数据处理采用像 storm、flink、spark streaming 这些方式进行处理，然后存储到 hbase、hdfs 等地方。使用这些技术的特点是需要针对自己的情况开发程序，然后部署、调试、监控，非常复杂，也是一般企业比较难掌握的。

Apache Kylin 是一个流行的大数据在线分析(OLAP)引擎，是第一个由国人开发并贡献到 Apache 基金会的开源项目，在国内有众多用户。Kylin 的特点是，无需编程，用户通过图形化界面进行建模，然后 Kylin 自动生成 Hadoop/spark 任务，对数据进行聚合、编码、索引，最后存储到 HBase 中；查询的时候使用 SQL 就可以了，支持很多 SQL 分析工具如 Tableau 等等。Kylin 已经在美团、滴滴、ebay 等大企业得到大规模使用，足见其吸引力。

在过去的几年里，Kylin 从批处理逐渐向实时处理进化，3年前就发布了分钟级延迟的准实时方案，在携程等大规模使用；而且现在还在开发秒级延迟的完全实时方案，不久就会正式对外发布。企业可以使用 Apache Kylin 构建自己的大型数据仓库，同时支持历史和实时数据。

OGG数据抽取和解析，KAFKA数据的传输，HBASE数据存储。这是最简单的如果需要计算一些指标，可以用SPARK-STREAMING.  特别提醒：大数据的每个组件应用的场景不一样，使用时一定要注意自己的应用场景